繁體
  • 简体中文
  • 繁體中文

熱門資訊> 正文

6秒出圖、一句話生成GIF,OpenAI要和美圖秀秀們搶生意了

2026-11-05 15:01

原標題:6秒出圖、一句話生成GIF,OpenAI要和美圖秀秀們搶生意了

11月5日早間,不少人發現,ChatGPT悄悄多了一項能力。

用户輸入一句話,或者上傳一張照片,就可以讓它生成一段循環播放的GIF。生成之后,還能調整播放速度,查看每一幀,甚至對其中某一幀單獨修改。

我們簡單試了下,有些效果還不錯,比如偏動物或者動畫類的。

但有些生成質量就比較粗糙了,比如我們的提示詞是生成一個馬斯克跳閃身步,這個動圖既不「馬斯克」、也不「閃身步」。

相信大夥還記憶猶新,今年初Images 2.0剛來的時候,許多人都在感慨,「眼見為實」的時代真過去了。

「生圖」后來也一直是OpenAI最能打的能力之一,但這次的變化還是有些許的不同。

過去,AI生圖工具解決的是從無到有的問題。用户提供一段文字,模型負責把它變成圖片。但一張圖片真正進入工作流程,往往還要經過修改、排版、格式轉換等環節。對於普通用户,這些操作意味着再打開幾個軟件;對於設計師和內容團隊,則意味着一段並不短的后期工作。

OpenAI這次更新的Images 2.6,開始把這些工作往模型內部收。

過去,AI圖像創業公司很大一部分價值,來自模型能力與用户實際需求之間的距離。它們把複雜的模型包裝成容易使用的產品,再通過修圖、排版、模板和素材管理等功能收費。

但當模型廠商開始親自補齊這些環節,原有的生意就不再那麼穩固了。

對OpenAI來説,這或許只是一次圖像產品升級;對一批靠單點功能生存的AI工具公司而言,變化可能纔剛剛開始。

01 一次加量不加價,三類工具的活被裝進模型

Images 2.6並不是一個簡單的速度升級版本。

從產品設計看,OpenAI這次做了兩件事:一是讓圖像生成更快,二是讓生成之后的修改和使用變得更方便。

先説速度。

OpenAI公佈的數據是,Images 2.6較上一代整體提速50%。在API端,公司推出了兩個版本:GPT-Image-2.6 Flare和Sunburst。

在低畫質設置下,Flare最快可以在約6秒內生成一張圖片。對於需要反覆調整素材的內容生產者來説,生成速度的提升,意味着同樣的時間里可以進行更多輪嘗試。

説一個冷知識,快手最早就是一款GIF動圖製作工具,產品名稱就叫「GIF快手」。只是后來它從一個工具軟件成長為中國最 大的短視頻平臺之一,經歷了一次重要的產品轉型。

舉這個例子是想説,GIF動圖的需求是很明確的。

在ChatGPT中,用户現在可以直接通過文字描述或上傳圖片生成動圖。比如,讓一張人物照片動起來,或者把一張靜態商品圖變成循環播放的展示素材。生成之后,用户可以調整播放速度,也可以查看和修改單幀畫面。

這項能力對社交媒體運營、廣告營銷和內容創作者都有實際意義。過去,一張靜態圖片要變成GIF,通常需要經過圖片處理、逐幀製作和動圖合成等步驟。對於偶爾使用的普通用户,這套流程並不值得專門學習;對於有大量素材需求的團隊,它則意味着額外的時間和人力成本。

OpenAI在官方博客中提到,AI辦公助手公司Town已經使用新模型,為產品中的虛擬角色製作打字等待動畫。

另一個變化發生在設計文件的輸出上。

Images 2.6開始支持SVG格式導出,不過這項能力目前主要面向API開發者。SVG與常見的PNG、JPEG不同,它保存的是矢量路徑,放大后不會出現像素模糊,也方便進一步調整圖形、顏色和細節。

這意味着,模型生成的不再只是可以觀看的圖片,還可以是能夠進入網頁、應用和印刷流程的設計素材。

對於設計師而言,這一點很重要。

ChatGPT此前已經提供了圖像標註功能,用户可以在圖片上圈出需要調整的位置,再通過文字描述修改要求。此次更新,OpenAI將這項能力進一步開放給API開發者。

對於開發者來説,這意味着可以把圖像修改嵌入自己的產品,而不必完全依賴用户重新輸入提示詞,或者通過複雜的蒙版操作指定修改範圍。

此外,OpenAI還增加了complexity參數,讓開發者可以控制模型在生成前投入多少規劃計算。簡單任務可以減少規劃時間,優先保證速度;複雜構圖則可以投入更多計算資源。

這與文本模型中調整推理力度的思路有些相似。模型不再只提供一個固定的生成模式,而是允許開發者根據任務的複雜程度決定資源如何分配。

價格方面,Flare和Sunburst的圖像輸出價格均為每百萬Token 30美元,圖像輸入8美元,文本輸入5美元,與上一代對應模型保持一致。

02 當能力變成接口,中間商的處境變了

過去幾年,AI圖像市場出現了一批增長很快的創業公司。

它們有的做AI寫真,有的做商品圖,有的專注於海報、頭像和社交媒體素材。產品形態各不相同,但商業邏輯有相似之處:底層調用模型,上層提供交互界面和具體功能,再通過訂閲、點數或企業服務收費。

這種模式在生成式AI發展初期很容易成立。

一方面,基礎模型的使用門檻較高,普通用户不知道如何寫提示詞,也不清楚怎樣控制畫面;另一方面,模型本身往往只能完成單項任務,用户還需要藉助其他軟件處理生成結果。

創業公司恰好填補了這段距離。

它們未必擁有自己的模型,但可以通過產品設計,把複雜的技術能力變成普通人能夠使用的服務。用户為便利付費,創業公司則從中獲得商業收入。

美圖,作為一個互聯網時代的產品,在AI時代又活了過來,就是這個邏輯,它不做自己的基礎大模型,但是靠着做大模型與用户之間的連接賺的盆滿缽滿。2026年上半年,它的營收增加了22.1%,淨利潤暴漲了39.5%。

現在問題來了,OpenAI這樣的頂 級模型,開始把過去由應用層承擔的功能直接做進模型,創業公司的競爭優勢將直接受到影響。

以AI海報為例,過去一個產品可能提供幾十種模板,用户選擇風格、輸入文字,再由模型生成圖片。現在,如果底層模型已經能夠理解海報佈局、準確處理文字,並且直接完成局部修改,那麼單純提供模板和提示詞的產品,就很難再維持原有的差異化。

AI修圖也是類似的情況。

如果用户只需要換一個背景、調整人物服裝或者修改畫面中的某個細節,直接在ChatGPT里完成可能比打開一個獨立應用更方便。尤其當這些功能已經包含在用户現有的訂閲中,第三方工具就尷尬了,用户為什麼還要為同樣的能力再付一次錢?

從這個層面看,OpenAI的野心也是巨大的,它既掌握底層技術,又擁有ChatGPT這樣的流量入口,能夠將新功能直接推送給龐大的用户群體。

不只是美圖,Canva、Adobe都有影響,他們需要警惕的是用户對工具需求的變化。

Adobe Firefly目前沒有單純依靠模型畫質競爭,而是強調商業使用的安全性。按照Adobe此前公佈的企業政策,Firefly早期模型主要使用Adobe Stock、開放授權內容和公有領域內容進行訓練,部分企業客户還可以獲得合同約定的知識產權賠償保障。

對於品牌和企業客户來説,商業設計必須考慮版權風險、素材來源和最終使用責任。這也是Adobe目前相對穩固的地方。

還有一些應用方,已經主動把新模型接入自己的產品。

歸根結底,底層模型越強,應用層越需要重新證明自己的價值。

如果一家工具公司提供的只是模型本身已經具備的功能,那麼它很難長期維持溢價;但如果它能夠把模型接入複雜的業務流程,積累用戶數據、行業經驗和協作關係,模型能力的提升反而可能成為自己的增長動力。

這也是AI應用市場接下來可能出現的一次分化。

03 OpenAI想要的生意還有很多

僅僅兩個月后,這個數字又漲了10億。對於一家以對話產品起家的公司來説,這意味着圖像正在成為ChatGPT中一個規模相當可觀的使用場景。

特別是,如果圖像生成進入更具體的工作流程,商業價值可能就會不同。模型廠商爭奪的不再只是一次調用,而是用户在整個工作過程中使用哪個平臺。

OpenAI近幾個月的戰略調整,也能為這次圖像更新提供另一個觀察角度。

今年3月,OpenAI宣佈停止Sora獨立產品。路透社當時報道稱,這一決定與公司重新分配資源有關,OpenAI開始將更多注意力放到編程工具、企業客户等商業前景更明確的方向上。Sora相關產品隨后於4月停止服務,API也在9月關閉。

這件事曾經讓外界感到意外。Sora是OpenAI在視頻生成領域最受關注的產品之一,曾經引發大量討論,也一度被視為生成式AI進入內容生產行業的重要入口。

但從后續動作看,OpenAI正在調整對產品價值的判斷。

相比獨立的視頻生成應用,能夠嵌入ChatGPT、Codex和企業工作流的能力,或許更容易形成持續使用和商業收入。

Images 2.6的產品設計,某種程度上也體現了這種取捨。

它沒有把重點放在一個全新的獨立創作社區,也沒有試圖再造一個專門的GIF應用,而是直接把GIF生成放進ChatGPT,把SVG、markup等能力開放給API開發者。用户可以在原有產品中完成更多事情,開發者也可以把這些能力接入自己的應用。

這讓OpenAI同時擁有兩個方向的機會:在C端增加ChatGPT的使用場景,在B端則通過API進入更多專業軟件和業務流程。

其中,API的意義尤其值得注意。

如果説ChatGPT直接面對的是用户,那麼API面對的就是那些已經擁有用户、業務和場景的公司。OpenAI不必親自開發每一種垂直工具,也可以通過提供底層模型,讓其他企業把它的能力嵌入自己的產品。

對於國內創業者而言,一些機會可能已經在悄悄流失。

AI修圖、AI海報、AI頭像、AI商品圖,過去一度是生成式AI創業最容易切入的方向。產品開發周期短,用户需求直觀,也容易通過訂閲和流量實現早期商業化。

但隨着模型能力不斷下沉,單純依靠提示詞優化、界面設計和簡單功能組合,很難成為長期壁壘。

真正有價值的部分,可能藏在模型之外。

比如,電商圖片工具能否理解不同品類的商品特徵,能否保證商品細節不失真,能否接入商家的商品數據庫和廣告投放系統;企業設計工具能否管理品牌素材、統一視覺規範,並與內部審批和協作流程打通。

工具類創業公司接下來需要重新回答的問題是,當底層模型已經可以完成越來越多的事情,自己究竟還掌握着什麼?

甚至,當頂 級模型的能力越來越強,人類是不是該思考自己還剩下什麼?

風險及免責提示:以上內容僅代表作者的個人立場和觀點,不代表華盛的任何立場,華盛亦無法證實上述內容的真實性、準確性和原創性。投資者在做出任何投資決定前,應結合自身情況,考慮投資產品的風險。必要時,請諮詢專業投資顧問的意見。華盛不提供任何投資建議,對此亦不做任何承諾和保證。